1. Introduction1.1. Terminology and

1. Introduction
1.1. Terminology and notation

We have to design an agricultural three factor experiment with control treatments and a modelling data obtained from it. With respect to technical reasons an incomplete (non-orthogonal) split-plot×split-block (shortly, SPSB) design have been taken into account. The complete (orthogonal) SPSB design is the most widely used in an agriculture research (e.g. LeClerg et al., 1962, Wadas et al., 2005 and Federer and King, 2007). In particular, it is very useful in field experiments when certain treatments such as types of cultivation, application of irrigation water, etc., may be necessary to arrange them in strips (rows or columns) across each block. In the SPSB designs there are three kinds of strips to accommodate independently levels (treatments) of three factors (say, A, B and C). Usually it is assumed that two first factors (A and B) are crossed as in a split-block design (strip-plot design) while the factors B and C are nested as in a split-plot design (e.g. Gomez and Gomez, 1984). In practice however there are situations in which an experimental material for certain treatments is limited. Then a numbers of levels of one or more factors are larger than a numbers of appropriate for them strips within each block. It follows usually such treatments have less number of replications than the rest of treatments. In such situations it is convenient to plan non-orthogonal experiments in incomplete SPSB designs in advance. In particular a special attention is paid to: (1) optimal utilizing the structure of available experimental material, (2) possibilities of applying the control treatments to the factors, and (3) possibilities of the incomplete design in such a way that the most interesting contrasts can be estimated with efficiencies as high as possible.

1.2. General purpose

ผลลัพธ์ (ไทย) 1:

1. บทนำ1.1. คำศัพท์และสัญลักษณ์เรามีการออกแบบการทดลองปัจจัยสามเกษตรรักษาควบคุมและแบบจำลองข้อมูลจากมัน เกี่ยวกับเหตุผลทางเทคนิคไม่สมบูรณ์ (ที่ไม่ใช่มุมฉาก) แยกพล็อต×แยกบล็อกการ (ช้า SPSB) ออกแบบได้ถูกนำมาพิจารณา การออกแบบ SPSB (มุมฉาก) ที่สมบูรณ์เป็นที่นิยมใช้ในการวิจัยการเกษตร (เช่น LeClerg et al. 1962, Wadas et al. 2005 และเฟเดอเรอร์ และ คิง 2007) โดยเฉพาะอย่างยิ่ง มันมีประโยชน์มากในการทดลองของฟิลด์เมื่อรักษาบางอย่างเช่นชนิดของการเพาะปลูก ใช้น้ำชลประทาน ฯลฯ อาจจำเป็นต้องจัดเรียงแผ่น (แถวหรือคอลัมน์) ในแต่ละบล็อก ใน SPSB การ ออกแบบที่มีอยู่สามชนิดของแผ่นรองรับอิสระระดับ (รักษา) ปัจจัยที่สาม (พูด A, B และ C) ปกติมันจะสันนิษฐานว่า ปัจจัยแรกสอง (A และ B) จะข้ามในการแยกบล็อกออกแบบ (แถบพล็อต) ในขณะที่ปัจจัย B และ C ซ้อนเหมือนในแบบแยกพล็อต (เช่นโกเมซและโกเมซ 1984) ในทางปฏิบัติ แต่มีสถานการณ์ซึ่งวัสดุที่ทดลองสำหรับการรักษาบางอย่างมีจำกัด แล้ว เลขของระดับปัจจัย หนึ่งมีขนาดใหญ่กว่าตัวเลขของที่เหมาะสมสำหรับพวกเขาแถบภายในแต่ละบล็อก มันตามปกติการบำบัดดังกล่าวมีน้อยกว่าจำนวนระยะของการรักษา ในสถานการณ์เช่นนี้ มันเป็นการวางแผนการทดลองแบบในการออกแบบ SPSB สมบูรณ์ล่วง โดยเฉพาะอย่างยิ่ง ชำระให้ความสนใจเป็นพิเศษ: (1) การใช้โครงสร้างของวัตถุดิบทดลอง, (2) เป็นไปได้ของการใช้การควบคุมรักษาปัจจัย และ (3) ความเป็นไปได้ของการออกแบบที่สมบูรณ์ในลักษณะที่แตกต่างน่าสนใจที่สุดโดยประมาณ มีประสิทธิภาพสูงที่สุด1.2. เอนกประสงค์

ผลลัพธ์ (ไทย) 2:

1. บทนำ
1.1 คำศัพท์และสัญกรณ์

เรามีการออกแบบการทดลองสามปัจจัยการเกษตรกับการรักษาการควบคุมและการสร้างแบบจำลองข้อมูลที่ได้รับจากมัน ด้วยความเคารพเหตุผลทางเทคนิคไม่สมบูรณ์ (Non-มุมฉาก) แยกพล็อต×แยกบล็อก (ไม่ช้า SPSB) การออกแบบที่ได้รับนำเข้าบัญชี ฉบับสมบูรณ์ (มุมฉาก) การออกแบบ SPSB เป็นใช้กันอย่างแพร่หลายในการวิจัยการเกษตร (เช่น LeClerg et al., 1962 Wadas et al., ปี 2005 และเฟเดอเรอและ King, 2007) โดยเฉพาะอย่างยิ่งเป็นประโยชน์อย่างมากในการทดลองภาคสนามเมื่อการรักษาบางอย่างเช่นประเภทของการเพาะปลูกการใช้น้ำชลประทาน ฯลฯ อาจจำเป็นต้องจัดเรียงไว้ในแถบ (แถวหรือคอลัมน์) ข้ามแต่ละบล็อก ใน SPSB ออกแบบมีสามชนิดของแถบเพื่อรองรับอิสระระดับ (รักษา) ปัจจัยที่สาม (พูด, A, B และ C) มักจะมีข้อสันนิษฐานว่าทั้งสองปัจจัยแรก (A และ B) จะข้ามในขณะที่การออกแบบแยกบล็อก (การออกแบบแถบพล็อต) ในขณะที่ปัจจัย B และ C จะซ้อนกันในขณะที่การออกแบบแยกพล็อต (เช่นโกเมซและโกเมซ 1984 ) ในทางปฏิบัติ แต่มีสถานการณ์ที่เป็นวัสดุทดลองสำหรับการรักษาบางอย่างจะถูก จำกัด แล้วตัวเลขของระดับของปัจจัยหนึ่งหรือมากกว่าหนึ่งมีขนาดใหญ่กว่าจำนวนที่เหมาะสมสำหรับพวกเขาแถบภายในแต่ละบล็อก มันมักจะเป็นไปตามการรักษาดังกล่าวมีจำนวนน้อยซ้ำกว่าส่วนที่เหลือของการรักษา ในสถานการณ์เช่นนี้จะมีความสะดวกในการวางแผนการทดลองที่ไม่ใช่มุมฉากในที่ไม่สมบูรณ์ SPSB ออกแบบล่วงหน้า โดยเฉพาะอย่างยิ่งความสนใจเป็นพิเศษคือจ่ายให้กับ: (1) ที่ดีที่สุดโดยใช้โครงสร้างของวัสดุทดลองที่มีอยู่ (2) ความเป็นไปได้ของการใช้การรักษาควบคุมปัจจัยและ (3) ความเป็นไปได้ของการออกแบบที่ไม่สมบูรณ์ในลักษณะที่มากที่สุด ความแตกต่างที่น่าสนใจสามารถประมาณที่มีประสิทธิภาพสูงที่สุดเท่าที่เป็นไปได้

1.2 จุดประสงค์ทั่วไป

ผลลัพธ์ (ไทย) 3:

1 . แนะนำ1.1 . คำศัพท์ และ โน้ตเราต้องออกแบบให้เกษตรสามปัจจัยทดลองทรีทเมนต์ควบคุมและแบบจำลองข้อมูลที่ได้รับจากมัน ส่วนเหตุผลที่ไม่สมบูรณ์ทางด้านเทคนิค ( ไม่ ) ) แบ่งแปลง×แยกบล็อก ( ในไม่ช้า spsb ) การออกแบบได้รับการถ่ายลงในบัญชี สมบูรณ์ ( Orthogonal ) spsb การออกแบบเป็นส่วนใหญ่ใช้กันอย่างแพร่หลายในการวิจัยการเกษตร เช่น leclerg et al . , 1962 , wadas et al . , 2005 และเฟเดอเรอร์และกษัตริย์ , 2007 ) โดยเฉพาะอย่างยิ่งมันเป็นประโยชน์อย่างมากในด้านการทดลอง เมื่อการรักษาบางอย่าง เช่น ประเภทของการใช้น้ำชลประทาน ฯลฯ อาจจะต้องจัดในแถบ ( แถวหรือคอลัมน์ ) ในแต่ละบล็อก ใน spsb แบบมีสามชนิดของแผ่นรองรับระดับได้อย่างอิสระ ( การรักษา ) 3 ด้าน ( พูด , A , B และ C ) มักจะเป็นสันนิษฐานว่าสองปัจจัยแรก ( A และ B ) จะข้ามในการแยกบล็อกการออกแบบ ( Strip plot ) ในขณะที่ปัจจัย B และ C อยู่ใน Split plot Design ( เช่น โกเมซ และ โกเมซ , 1984 ) ในการปฏิบัติ อย่างไรก็ตาม มีสถานการณ์ที่เป็นวัสดุทดลองสำหรับการรักษาบางอย่างที่ จำกัด แล้วตัวเลขระดับหนึ่งหรือมากกว่าหนึ่งปัจจัยที่มีขนาดใหญ่กว่าตัวเลขที่เหมาะสมสำหรับพวกเขาแถบภายในแต่ละบล็อก มันเป็นไปตามปกติเช่นการรักษาน้อยกว่าจำนวนซ้ำกว่าส่วนที่เหลือของการรักษา ในสถานการณ์เช่นนี้มันสะดวกที่จะวางแผนไม่สมบูรณ์ ซึ่งการทดลองใน spsb ออกแบบล่วงหน้า โดยเฉพาะความสนใจเป็นพิเศษคือจ่ายให้ : ( 1 ) การใช้วัสดุโครงสร้างของการทดลองที่พร้อมใช้งาน ( 2 ) ความเป็นไปได้ของการประยุกต์ใช้การรักษาควบคุมปัจจัย และ ( 3 ) ความเป็นไปได้ของการออกแบบที่สมบูรณ์ในวิธีที่แตกต่างที่น่าสนใจมากที่สุด สามารถประเมินที่มีประสิทธิภาพสูงที่สุด1.2 วัตถุประสงค์ทั่วไป